Google vydáva Gemini 3.6 Flash a rýchlejší Flash-Lite pre agentické workflowy

Google predstavil novú vlnu modelov Gemini zameranú na produkčné agentické systémy. Hlavnou novinkou je Gemini 3.6 Flash, ktorý má byť univerzálnym pracovným modelom pre kódovanie, znalostnú prácu a multimodálne úlohy. Popri ňom prichádza Gemini 3.5 Flash-Lite ako lacnejšia a rýchlejšia voľba pre vysoký objem požiadaviek a špecializovaný Gemini 3.5 Flash Cyber, ktorý Google viaže na bezpečnostný agent CodeMender a zatiaľ ho neotvára širokej verejnosti.

Vydanie je zaujímavé tým, že Google už nehovorí iba jazykom benchmarkového skóre. V oznámení opakovane zdôrazňuje výstupnú tokenovú efektivitu, latenciu, cenu za úlohu a spoľahlivosť pri viac-krokových pracovných postupoch. Pri agentoch totiž nestačí, aby model dobre odpovedal v jednej výmene. Model často plánuje, volá nástroje, opravuje medzivýsledky a generuje veľa medzitextu. Ak je pritom zbytočne ukecaný alebo potrebuje veľa iterácií, rastú náklady aj čas odozvy.

Gemini 3.6 Flash má podľa Googlu používať o 17 percent menej výstupných tokenov než 3.5 Flash v indexe Artificial Analysis a pri niektorých vývojárskych meraniach má byť úspora ešte výraznejšia. Firma uvádza zlepšenia v kódovaní, práci s dokumentmi, multimodálnom čítaní grafov a počítačovom používaní. Pre vývojárov je podstatné aj to, že počítačové používanie je prezentované ako vstavaný klientsky nástroj v Gemini API a v Gemini Enterprise, čo z modelu robí skôr súčasť agentickej infraštruktúry než iba chatové rozhranie.

Flash-Lite sleduje iný cieľ. Google ho opisuje ako najrýchlejší model v triede 3.5, s dôrazom na úlohy ako agentické vyhľadávanie, spracovanie dokumentov a lacné podúlohy vo väčších systémoch. Takýto model môže byť dôležitý práve tam, kde orchestrace rozdeľujú požiadavku medzi viaceré menšie kroky: triedenie vstupov, extrakciu údajov, krátke sumarizácie alebo kontrolu formátu. Ak sa lacnejší model dá použiť na väčšinu rutinných krokov a silnejší model len na ťažké prípady, mení sa ekonomika celého produktu.

Tretia novinka, Gemini 3.5 Flash Cyber, je najcitlivejšia. Google ho predstavuje ako model doladený na hľadanie a opravu zraniteľností v kombinácii s agentom CodeMender. Namiesto verejného API však uvádza obmedzený pilot pre vlády a dôveryhodných partnerov. To je dôležitý signál: schopnosti, ktoré pomáhajú obrane, sú zároveň použiteľné aj na škodlivé hľadanie slabín. Google preto explicitne rámuje vydanie cez kontrolovaný prístup a bezpečnostné brzdy.

Pre podniky a vývojárov to znamená širší výber pri návrhu agentov. Jeden model nemusí riešiť všetko. Rýchly model môže obslúžiť vysoký objem a lacné kroky, 3.6 Flash môže niesť zložitejšie multimodálne a kódové úlohy a špecializované modely môžu zostať v režime obmedzeného prístupu. Architektúra agentov sa tak čoraz viac podobá portfóliu modelov s rôznou cenou, rizikom a latenciou, nie jednému univerzálnemu jadru.

Zároveň zostáva potrebná opatrnosť pri interpretácii čísel. Google uvádza konkrétne benchmarky a zákaznícke príklady, no reálny prínos bude závisieť od pracovného toku. Úspora tokenov je hodnotná len vtedy, ak model stále vracia dostatočne presné a kontrolovateľné výstupy. Pri agentoch je navyše často kritická schopnosť zotaviť sa po zlyhanom volaní nástroja, zachovať stav a nevyrobiť nebezpečnú akciu. Tieto vlastnosti sa v jednoduchých leaderboardoch merajú ťažšie.

Nové modely tiež ukazujú, že trh sa posúva od pretekov o najväčší model k optimalizácii pre konkrétne prevádzkové režimy. Ak má firma postaviť interného agenta nad dokumentmi, nákupom alebo vývojovým prostredím, bude riešiť cenu tisícov či miliónov krokov, nie iba kvalitu jednej ukážkovej odpovede. Preto je zaujímavé, že Google popri kvalite hovorí o menšom počte reasoning krokov, lacnejšom výstupe a rýchlosti tokenov.

Praktický dopad bude najskôr viditeľný v tímoch, ktoré už používajú Gemini API, Google AI Studio alebo Gemini Enterprise. Pre nich môže 3.6 Flash znamenať jednoduchú výmenu pracovného modelu a Flash-Lite lacnejšie škálovanie pomocných agentických krokov. Pre širší trh je však rovnako dôležité, že Google oddelil kyberneticky špecializovaný model od bežnej dostupnosti. V čase, keď modely dokážu aktívne hľadať chyby v softvéri, bude spôsob distribúcie rovnako dôležitý ako samotné skóre modelu.